顺丰高级大模型算法工程师（博士后）
任职要求
1. 教育背景 计算机科学、人工智能、数学等相关专业博士学历，3年以上算法研发经验；具备大模型相关经验者优先。 2. 技术能力 熟练掌握PyTorch/TensorFlow等框架，熟悉主流大模型技术栈（vLLM、Dify、LangGraph等）。 熟悉大模型全链路技术，包括预训练、SFT、RLHF、评测对齐、服务部署。 扎实的编程能力（Python/C++/Java…
工作职责
1. 大模型技术研发与优化 深入探索大模型（如LLM、多模态模型）的核心算法，包括预训练、微调（Fine-tuning）、提示工程（Prompt Engineering）、RAG（检索增强生成）等技术，优化模型效果与性能。 *熟悉并能够设计和实现多智能体调度框架，结合大模型实现高效的任务调度和协作机制。 2. 大模型应用场景落地 负责大模型在垂直领域的应用开发，包括但不限于AIOps、代码生成/续写、智能问答、知识推理等场景，推动技术成果转化为实际生产力。 结合业务需求，设计高质量微调数据集和模型评估集，设计端到端的大模型解决方案，优化模型部署效率与推理成本。 3. 工程化与性能调优 熟悉Dify、LangGraph 等应用开发框架，能快速构建原型并推进产品化。 熟练使用Python，熟悉PyTorch/TensorFlow框架，具备CUDA/分布式训练经验者优先。 4. 跨团队协作与创新 与产品、数据、运维团队紧密合作，理解业务需求并设计技术方案。 跟踪学术界与工业界前沿技术（如Agent技术、MoE架构、MCP、A2A协议等），探索技术突破点。
1. 负责与大语言模型（LLM）相关的应用算法开发，能够根据业务场景中的实际问题，提供可行的算法解决方案 针对具体业务场景，如业务决策能力提升，业务效率改善等进行算法试算和应用落地 2. 基于业务需求，探索 RAG、AI Agent、function call 等大模型应用形态的算法创新，研究大模型应用的前沿技术，沉淀大模型应用平台的关键能力 3. 利用大模型的预训练、微调和提示词工程等技术，解决业务落地中的难题，并对算法效果进行评估和优化 4. 负责应用与服务的集成，端到端开发高质量、高性能、高可用的大模型服务，推动大模型应用项目的落地和迭代优化。
1. 负责无人机、手持等产品场景下云端大模型能力建设 2. 研发基于端到端大模型的全自动标注算法，为端到端模型训练提供数据挖掘/数据预标注/全自动标注能力 3. 推动模型算法在云端的工程化落地，支撑量产数据高效处理。
【】 - 主导设计与研发：负责基于大语言模型（LLM）的核心信息解析引擎，聚焦于深层语义理解、意图识别与多模态知识抽取。 - 构建前沿模型：架构并实现业界领先的NLP算法模型，持续优化模型性能，挑战信息提取任务在准确性、效率与泛化能力上的极限（SOTA）。 - 探索技术边界：追踪并引入NLP及AIGC领域的前沿技术（如RAG、Fine-tuning策略、AI Agent等），探索其在业务场景中的创新应用，构建公司技术护城河。 - 垂域探索：探索大语言模型（LLM）在酒店垂域下的推荐应用。 - 驱动技术落地：与产品、工程团队紧密协作，推动算法方案从原型验证到生产环境的完整生命周期，确保技术方案的稳定、高效与可扩展性。 【
工业界国际化电商搜索算法研究，包括但不限于： 1. 多语言Query理解、商品理解和相关性，包括：Query和商品NER、Query类目预测、Query改写与扩展、多语言&跨语言语义召回&相关性、多模态召回&相关性等；以及LLM在多语言电商搜索领域应用，包括：大模型CT和SFT、RAG、RL以及在Query理解、语义相关性、商品理解上的应用； 2. 个性化召回与排序相关技术：基于大规模深度模型的CTR/CVR预估模型及个性化召回模型，包括用户行为序列建模、多目标建模、多模态跨场景迁移建模、国家差异化建模体系建设等；以及大模型在个性化搜索及推荐研究和应用，包括：生成式召回与排序、基于行为大规模预训练等； 3. 个性化多语言Query推荐，包括：下拉、底纹、风向标等场域，基于异构行为序列建模、多场景建模的多语言Query推荐技术研究与应用；以及基于大模型生成式Query推荐研究；